211service.com
Computers kunnen niet zien of je gelukkig bent als je lacht
Een geanimeerde gif met mensen met verschillende gezichtsuitdrukkingen mevrouw Tech; Afbeeldingen van Unsplash, Pixabay, Pexels
Wanneer mensen proberen te achterhalen hoe iemand zich voelt, gebruiken we veel informatie: gezichtsuitdrukkingen, lichaamstaal, waar die persoon is en meer. Wanneer computers hetzelfde proberen te doen, hebben ze de neiging zich alleen op het gezicht te concentreren. Dat is een grote fout: volgens een belangrijk nieuwe studie , suggereert het dat de meeste beweringen van emotieherkenningsbedrijven onjuist zijn.
Emotieherkenning - of het gebruik van technologie om gezichtsuitdrukkingen te analyseren en gevoelens af te leiden - is volgens één schatting een $ 25 miljard omzet tegen 2023 . Grote bedrijven zoals Microsoft en Apple, maar ook gespecialiseerde startups zoals Kairos en Affectiva doen allemaal mee. Hoewel het meest wordt gebruikt om producten te verkopen, is technologie voor emotieherkenning ook opgedoken in baan rekruteren en als een mogelijk hulpmiddel om uit te zoeken of iemand probeert verzekeringsfraude te plegen . In 2003 heeft de Amerikaanse Transportation Security Administration begon mensen te trainen om potentiële terroristen te herkennen door hun gezichtsuitdrukkingen te lezen , dus het is gemakkelijk voor te stellen dat een kunstmatig-intelligentieproject hetzelfde probeert. (Het TSA-programma kreeg veel kritiek vanwege: gebaseerd zijn op slechte wetenschap .)
Maar al jaren is er een groeiende weerstand tegen de overtuiging dat gezichtsuitdrukkingen gemakkelijk weggeven aan gevoelens. Een groep wetenschappers bijeengebracht door de Vereniging voor Psychologische Wetenschappen besteedde twee jaar aan het beoordelen van meer dan 1.000 artikelen over emotiedetectie. Ze richtten zich op onderzoek naar hoe mensen hun gezicht bewegen wanneer ze bepaalde emoties voelen, en hoe mensen de emotionele toestanden van anderen afleiden uit hun gezicht. De groep concludeerde dat het heel moeilijk is om alleen gezichtsuitdrukkingen te gebruiken om nauwkeurig te vertellen hoe iemand zich voelt.
Mensen glimlachen als ze blij zijn en fronsen als ze verdrietig zijn, maar de correlatie is zwak, zegt co-auteur van het onderzoek Lisa Feldman Barrett , een psycholoog aan de Northeastern University. Mensen doen tal van andere dingen als ze blij of verdrietig zijn, en een glimlach kan wrang of ironisch zijn. Hun gedrag varieert sterk tussen culturen en situaties, en de context speelt een grote rol in de manier waarop we uitdrukkingen interpreteren. In onderzoeken waarbij iemand bijvoorbeeld een foto van een positief gezicht op het lichaam van iemand in een negatieve situatie plaatste, hebben mensen het gezicht als negatiever ervaren .
Kortom, de uitdrukkingen die we hebben leren associëren met emoties zijn stereotypen, en technologie die op die stereotypen is gebaseerd, levert niet erg goede informatie op. Emotieherkenning goed krijgen is duur en vereist het verzamelen van heel veel extreem specifieke gegevens - meer, zegt Barrett, dan wie dan ook tot nu toe.
Het gevaar van niet genoeg gegevens
De meeste bedrijven die ik om commentaar op dit verhaal vroeg, waaronder Apple en Microsoft, hebben niet gereageerd. Een die dat deed, Cairo , belooft retailers dat het emotieherkenningstechnologie kan gebruiken om erachter te komen hoe hun klanten zich voelen. Door de gezichten van de klanten te scannen en een opgetrokken wenkbrauw of een glimlach te analyseren om te zien of iemand blij of verdrietig is, levert Kairos het soort gegevens dat fysieke bedrijven moeilijk kunnen verzamelen, zegt CEO Melissa Doval.
Om de technologie te trainen, liet Kairos mensen naar emotiewekkende video's kijken en hun gezichten scannen. Enkele andere gegevens kwamen van geposeerde uitdrukkingen. Eén persoon bij het bedrijf is verantwoordelijk voor het labelen van die gegevens om het algoritme te voeden.
Dit is een extreem gebruikelijke aanpak, maar heeft volgens de nieuwe review twee grote zwakke punten. Een daarvan zijn de geposeerde gezichten. Als je wordt verteld dat je een verbaasd gezicht moet trekken, kan het heel anders zijn dan hoe je gezicht er in werkelijkheid uitziet als je verrast bent. Het andere probleem is dat een derde partij deze gegevens doorneemt en labelt. Een waarnemer kan een gezichtsuitdrukking als verrast lezen, maar zonder de oorspronkelijke persoon te vragen, is het moeilijk om te weten wat de echte emotie was.
Het resultaat is een technologie met vrij rudimentaire mogelijkheden. Doval zegt van haar kant dat het bedrijf zich momenteel richt op het verbeteren van de camera en het dashboard in plaats van de emotietechnologie zelf. Ze voegde eraan toe dat ze uiteindelijk geïnteresseerd zouden zijn om onderzoek zoals dat van Barrett in overweging te nemen en demografische gegevens toe te voegen voor meer context en om het algoritme nauwkeuriger te maken.
Het gevaar om het goed te doen
Barrett heeft suggesties om emotieherkenning beter te doen. Gebruik geen losse foto's, zegt ze; bestudeer individuen in verschillende situaties in de loop van de tijd. Verzamel veel context - zoals stem, houding, wat er in de omgeving gebeurt, fysiologische informatie zoals wat er met het zenuwstelsel aan de hand is - en zoek uit wat een glimlach betekent voor een specifieke persoon in een specifieke situatie. Herhaal dit en kijk of je patronen kunt vinden bij mensen met vergelijkbare kenmerken, zoals geslacht. Je hoeft niet altijd iedereen te meten, maar je kunt een groter aantal mensen meten dat je in verschillende culturen test, zegt ze. Ik denk dat we allemaal van nature aangetrokken worden tot deze Big Data-aanpak. Dit is nu mogelijk om te doen, terwijl het zelfs tien jaar geleden veel moeilijker was.
Deze methode lijkt meer op de benadering van bedrijven zoals in Boston gevestigd affectief . Medeoprichter en CEO van Affectiva, Rana el Kaliouby, is het ermee eens dat het huidige begrip van emoties te eenvoudig is. De eigen analyse van het bedrijf heeft bijvoorbeeld aangetoond dat er minstens vijf verschillende soorten glimlachen zijn, van een flirterige tot een beleefde glimlach. Affectiva verzamelt gegevens uit 87 landen, registreert mensen in levensechte situaties (zoals tijdens het rijden) en vraagt deelnemers om zelfrapportage over hoe ze zich voelen. Is het een opgelost probleem? Helemaal niet, zegt el Kaliouby. De technologie van Affectiva is bijvoorbeeld beter in het classificeren van vreugde dan in het onderscheiden van angst, woede en walging.
Voor nauwkeurigheid is meer gegevens beter. Maar het verzamelen van zoveel persoonlijke gegevens heeft ook valkuilen, zoals blijkt uit de aanhoudende discussies over gezichtsherkenning. Consumenten zijn steeds meer bang om hun privacy te verliezen of dat hun gegevens tegen hen worden gebruikt. Dat is iets dat een zorg zou moeten zijn voor elk van deze systemen, zegt Tiffany Lee , een privacyonderzoeker bij het Information Society Project van Yale University. Het gaat om de juiste waarborgen.' We moeten bijvoorbeeld weten waar de gegevens vandaan komen, hoe ze worden verzameld en hoe ze worden opgeslagen. Worden de gegevens verkocht of overgedragen? Zal het worden gekoppeld aan andere datasets die mogelijk identificerende informatie bevatten?
Affectiva zegt dat het weigert samen te werken met bewakings- of leugendetectiebedrijven. Academici hebben meestal strikte limieten voor het verzamelen en delen van gegevens. Maar de particuliere sector wordt niet beheerst door brede regels rond het verzamelen en gebruiken van gegevens, en dat kan gevaarlijk zijn als bedrijven hun technologieën proberen te verbeteren. Ik denk dat we op dit moment niet echt genoeg waarborgen hebben, zegt Li.
Correctie: Emotieherkenning zal tegen 2023 een bedrijf van $ 25 miljard worden, volgens een marktschatting. In een eerdere versie van dit artikel stond dit nummer verkeerd.